بزرگنمايي:

سیاست و بازاریابی - زومیت / شرکت فیگور با جمع‌آوری بیش از ۱۶ میلیون ویدیوی انسانی از ۱۰۸ کشور، دیتابیس عظیمی برای آموزش رفتارهای واقعی به ربات‌های انسان‌نما ایجاد کرد.
یکی از بزرگ‌ترین مشکلات ربات‌های انسان‌نما، کمبود داده برای آموزش آن‌ها است. انسان‌ها از سال‌ها تجربه‌ی واقعی برای یادگرفتن کارهایی مثل آشپزی، نظافت، جابه‌جایی اشیا و کار در محیط‌های مختلف استفاده می‌کنند، اما ربات‌ها چنین حجم عظیمی از تجربه‌ی واقعی را در اختیار ندارند. شرکت فیگور حالا تلاش کرده این مشکل را با پروژه‌ای به نام Index برطرف کند.
فیگور اعلام کرد شبکه‌ی جمع‌آوری داده‌ی Index تاکنون بیش از ۱۶ میلیون ویدیو از فعالیت‌های واقعی انسان‌ها دریافت کرده است. این ویدیوها از طریق اپلیکیشن Index توسط افرادی در خانه یا محل کار ضبط می‌شوند و قرار است برای آموزش سیستم هوش مصنوعی ربات‌های فیگور، به‌ویژه مدل Helix، استفاده شوند.
مقیاس پروژه قابل‌توجه است. فیگور می‌گوید اپلیکیشن ایندکس در زمان معرفی بیش از ۲۶۴ هزار بار دانلود شده بود و بیش از ۴۴ هزار کاربر فعال هفتگی داشت. داده‌ها از ۱۰۸ کشور جمع‌آوری شده‌اند و شرکت تاکنون حدود ۱۵ میلیون دلار به افرادی که در جمع‌آوری داده‌ها مشارکت کرده‌اند پرداخت کرده است.
هدف فقط جمع‌کردن تعداد زیادی ویدیو نیست؛ تنوع داده‌ها اهمیت زیادی دارد. فیگور اعلام کرده به ازای هر هزار ساعت داده، مجموعه‌ی Index شامل ۳۷۳ وظیفه‌ی متفاوت، ۱٬۱۴۶ شیء دستکاری‌شده و ۱۱۶ محیط مختلف است. داده‌ها از کارهای روزمره مانند مرتب‌کردن لباس و نظافت خانه تا فعالیت‌هایی در رستوران‌ها، کارخانه‌ها، دفاتر و مراکز لجستیکی جمع‌آوری می‌شوند.
برای تبدیل این حجم عظیم ویدیو به داده‌ی قابل‌استفاده برای آموزش ربات، فیگور یک خط پردازش اختصاصی ساخته است. ویدیوها ابتدا از نظر کیفیت فنی و محتوایی بررسی می‌شوند،
نمونه‌های مشکوک به تقلب توسط انسان بازبینی می‌شوند و ویدیوهای تکراری نیز با مقایسه‌ی معنایی کنار گذاشته می‌شوند. در مرحله‌ی آخر، برای هر فعالیت توضیحات متنی سلسله‌مراتبی تولید می‌شود تا داده برای آموزش مدل قابل‌استفاده باشد.
فیگور می‌گوید اپلیکیشن ایندکس در مقطع معرفی پروژه می‌توانست ۳۰ دقیقه ویدیو در هر ثانیه دریافت و پردازش کند؛ عددی که معادل بیش از چهار سال کار انسانی در هر روز عنوان شده است. فیگور می‌خواهد طی ۱۲ ماه آینده بیش از یک میلیارد دلار برای داده و محاسبات هزینه کند.
اهمیت Index در این است که Figure به‌جای آموزش ربات فقط با ویدیوهای ثبت‌شده توسط خود ربات‌ها، می‌خواهد از رفتار واقعی انسان‌ها در محیط‌های بسیار متنوع هم استفاده کند. این رویکرد پیش‌تر در پروژه‌ی Go-Big این شرکت نیز دنبال شده بود؛ جایی که فیگور نشان داد برخی ویدیوهای اول‌شخص انسان‌ها می‌توانند برای آموزش ربات به‌کار بروند.

supports HTML5 video